课程自适应鲁棒强化学习用于无人机去冲突

研究者提出一种课程引导的鲁棒强化学习框架，用于对抗环境下的无人机去冲突。该方法逐步向策略施加强度递增的梯度对抗观测扰动，并对齐各课程阶段的时序差分（TD）误差分布，使策略无需针对特定攻击重新训练即可应对未见过的GNSS欺骗攻击。 在动态3D障碍无人机冲突消解环境的测试中，研究者称课程自适应策略（CurAd）在固定欺骗攻击下任务成功率达到约99%至100%，而最优鲁棒基线仅为20%至24%；在动态障碍诱骗下取得最高回合奖励，任务完成步数中位数最多减少22%。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。